가톨릭대학교 서울성모병원 영상의학과 오순남(교신저자), 대장항문외과 이윤석·이인규, 종양내과 이명아 교수 연구팀이 직장암 환자 489명의 영상적·병리적·임상적 정보를 활용해 직장암 재발 위험요인을 분석하고 예측모델을 개발했다. 연구팀은 2009년부터 2013년까지 5년간 서울성모병원에서 수술받은 직장암 환자 489명을 재발위험 예측모델 개발을 위한 개발 코호트로 선정하고, 직장암 진단 당시 영상검사, 임상정보, 병리적 정보 등을 통합한 뒤 다면적 회귀분석을 실시했다. 연구 결과, 직장암 재발 위험을 높이는 위험인자 20여 가지 가운데 가장 나쁜 예후를 보이는 4가지 인자로 림프절 전이, 신경 주위 침습, 직장벽 외 혈관 침범, 항문에 더 가까운 직장암(5cm 이내)을 확인했다. 이들 위험인자는 대조군에 비해 각각 2.59배, 2.29배, 2.09배, 1.69배의 재발위험 증가율을 보였다. 연구팀은 이들 요인을 개발 코호트에서 점수 체계화 후 재발위험 예측모델을 만들고, 재발 위험도에 따라 저위험군, 중등도위험군, 고위험군으로 분류한 뒤 재발률을 측정한 결과 각각 13.4%, 35.3%, 61.5%로 나타났다. 직장암 재발위험 예측모델을 검증하기 위해 연구팀은
고려대학교 안암병원 순환기내과 박성미 교수팀(조동혁, 박성미)이 한국인에게 적합한 협심증 예측모델을 개발했다. 심전도 기반 QT간격을 활용한 예측법으로서, 기존의 서양인 기준의 협심증 모델에 QT간격을 추가해 한국인 협심증의 예측력을 획기적으로 높일 수 있는 예측모델이다. 협심증은 심장에 산소를 공급하는 관상동맥에 협착이 생겨 흉통을 유발하는 질환이다. 심근경색으로 진행해 생명에 치명적인 결과를 초래할 수 있어 조기 발견과 치료가 필요하다. 하지만 가슴이 아픈 증상을 호소하며 병원에 내원하는 환자들 중 많은 환자들이 협심증 외 근골격계 질환, 대상포진, 호흡기질환, 정신질환 등이 원인인 경우가 있어 흉통을 호소하는 환자에서 협심증을 감별해내는 것은 매우 중요하다. 기존의 협심증 예측모델은 환자의 나이, 성별, 흉통의 양상, 동반 심혈관질환을 근거로 협심증을 예측한다. 하지만 담당 의사가 기존 예측모델을 기반으로 환자를 열심히 진료할지라도 협심증 환자를 놓치는 경우가 있는데 이렇게 놓친 환자가 심혈관 사망의 1/3을 설명한다는 연구 결과도 있을 정도로 예측모델의 정확도가 높지 않다는 문제점이 있다. 이에 따라 협심증의 예측력을 높이는 중요성에 대한 관심이 확대
분당서울대병원 순환기내과 강시혁 교수와 창원경상대병원 순환기내과 조상영 교수 연구팀이 인공지능 기계학습 기반의 ‘심혈관질환 예측 모델’을 개발했다. 이번 모델은 국내 인구의 데이터를 바탕으로 개발된 만큼, 기존 활용돼 온 미국심장학회의 모델보다도 예측 정확도가 향상된 것으로 나타났다. 최근 들어 개인의 위험인자를 고려해 심혈관질환 발생 위험을 예측하는 일은 치료방침과 치료목표를 정하는 데에 중요한 기준으로 사용되고 있다. 일반적인 고혈압 환자의 경우에는 140/90mmHg부터 혈압약을 복용하는 것이 보통이지만, 심혈관질환 발생 위험이 높은 환자라면 130/80mmHg부터 복용을 권고하는 것이 한 예다. 하지만 기존에 사용돼 온 심혈관질환 예측 모델은 인종, 성별, 그리고 지역에 따라서도 정확도에 차이가 있었고, 이로 인해 위험성을 과대평가하거나 혹은 과소평가할 수 있다는 단점이 존재했다. 이러한 가운데 강시혁·조상영 교수팀은 2009~2010년 국민건강보험공단 건강검진에 참여한 40세 이상 80세 미만의 성인 약 22만명(평균연령 58.0세)의 데이터를 이용, 기계학습 기반의 심혈관질환 예측 모델을 만들었다. 예측 모델은 대상자의 데이터(연령, 성별, 수축기
최근 고려대학교 안암병원 비뇨의학과 강석호 교수팀(노태일·강성구·천준 교수)이 전립선 조직검사 이전단계에서 전럽선 전절제술 혹은 방사선 치료 및 항암 치료 등의 적극적인 치료를 요하는 소위 임상적으로 유의한 전립선암을 86.1% 수준으로 예측할 수 있는 예측모델을 개발했다. 연구팀은 전립선특이항원(PSA)검사 또는 직장수지검사를 통해 전립선암 의심소견이 있는 300명의 남성의 정보를 분석해 예측모델을 개발했다. 이중파라메터MRI(biMRI)상의 전립선 영상보고 및 데이터 시스템(PI-RADS) 점수와 PSA수치 등을 기반으로 개발된 예측모델을 적용한 결과, 의사결정곡선을 도출할 수 있었으며, 86.1% 정확하게 예측하는 높은 판별력을 나타냈다. 또한, 기존 방식대로의 조직검사대상을 결정해 시행한 것에 비해 예측모델을 활용하면 21.6%에서 불필요한 전립선 조직검사를 피할 수 있었던 것으로 나타났다. 정확한 예측과 진단은 조직검사 및 수술로 이어지는 의사결정을 할 수 있다. 정확하고 정밀한 진단검사와 이를 토대로 한 최첨단 수술을 시행해 환자 맞춤형 정밀진료를 가능케 한다. 강석호 교수팀은 경회음부 초음파-MRI 퓨전 전립선조직검사를 통해 전립선암의 진단을 기